基于DAE的单细胞RNA测序数据聚类研究
基于DAE的单细胞RNA测序数据聚类研究传统数据降维方法处理单细胞RNA测序数据存在特征提取能力较差、聚类精度较低等问题，有必要引入深度学习方法以提高对复杂数据特征的提取能力。在对数据不进行任何人工筛选的条件下，利用DAE提取表达能力更强的数据特征，分别以K⁃means和DBSCAN聚类作为DAE的顶层设置形成DAE+K⁃means和DAE+DBSCAN组合模型，将这两种深度学习组合模型在Deng 数据集上与传统聚类模型SC3 进行对比。与SC3 的0.73 聚类精度相比，DAE+K⁃means 和DAE+DBSCAN的聚类精度分别达到0.93和0.97，分别提高了0.2和0.24。实验结果表明，DAE在单细胞聚类领域具有广阔的应用前景。
关键词：单细胞聚类；深度自动编码器；深度学习；K⁃means聚类；DBSCAN聚类；结果分析
页:
[1]